多阶段注意力胶囊网络的图像分类
Multi-stage Attention-based Capsule Networks for Image Classification作者机构:上海理工大学控制科学与工程系上海200093
出 版 物:《自动化学报》 (Acta Automatica Sinica)
年 卷 期:2024年第50卷第9期
页 面:1804-1817页
核心收录:
学科分类:08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(62073223) 上海市自然科学基金(22ZR1443400) 航天飞行动力学技术国防科技重点实验室开放课题(6142210200304)资助
摘 要:针对传统的胶囊网络(Capsule network,CapsNet)特征提取不充分的问题,提出一种图像分类的多阶段注意力胶囊网络模型.首先,在卷积层对低层特征和高层特征分别采用注意力(Spatial attention,SA)和通道注意力(Channel attention,CA)来提取有效特征;然后,提出基于向量的注意力(Vector attention,VA)机制作用于动态路由层,增加对重要胶囊的关注,进而提高低层胶囊对高层胶囊预测的准确性;最后,在五个公共数据集上进行图像分类的对比实验.结果表明,所提出的CapsNet模型在分类精度和鲁棒性上优于其他胶囊网络模型,在仿射变换图像重构方面也表现良好.